- 博客(9)
- 收藏
- 关注
RSS订阅原创 与学习相关的技巧
本节设计神经网络的学习中的一些重要的观点。主题有寻找最优权重参数的优化方法，权重参数的初始值，超参数的设定方法等。为了应对过拟合（神经网络在训练样本中表现过于优越，导致在验证数据集和测试数据集中表现不佳），还会介绍权值衰减，Dropout等正则化方法。-- more-->
2024-07-24 00:18:22
835
原创 误差反向传播法
误差反向传播法是一种能高效计算权重参数梯度的方法。要理解它一般有两种方法，一种是基于数学式，另一种是基于接下来会补充讲解计算图的理解方法。
2024-07-18 00:07:48
967
原创 简单学习算法的实现
epoch我们以损失函数为基准，找出了使神经网络的值达到最小的权重参数，也就是神经网络学习的目标。为了尽可能找到小的损失函数值，我们使用了函数斜率的梯度法。
2024-07-16 00:25:19
880
原创 神经网络的学习
预期从零开始想出识别5的算法，不如通过已有的数据来解决，一种方案是，先从图像中提取特征量，在用机器学习的技术学习特征量的模式（如计算机视觉领域的SIFT.SURF,HOG等）。但仅以MNIST数据集为例，内涵60000多个训练数据，假如以所有的数据作为训练对象，那花费的时间将是巨大的，况且有些训练数据的数量上百万甚至千万，将他们全部放入损失函数内进行计算是不现实的，因此，我们应当从全部数据中选出一部分作为训练数据，作为全体数据的近似。并且可以看出，交叉熵误差的值，是由正确解标签所对应的输出结果所决定的。
2024-07-16 00:24:44
613
原创 类的优化学习
模板类在 C++ 中是一种代码生成工具。当你使用模板类时，实际上你是在创建一个框架，编译器会根据你提供的模板参数来生成具体的类定义。例如，如果你定义了一个模板类MyPair，并用实例化它，编译器将生成一个具体的类：public:private:int first;如果编译器在编译过程中没有看到这些成员函数的实现（即.cpp文件中的定义），它将无法为这些函数生成代码。这意味着当你尝试链接程序时，链接器找不到这些函数的定义，导致链接错误。
2024-05-08 22:53:57
649
1
原创 回文判断练习
代码中，这一部分是用来清除字符串中不需要的字符。具体来说，它结合了remove_if函数和erase方法来实现这个功能。remove_if函数remove_if是 C++ STL (Standard Template Library) 中的一个函数，用于从一个容器中移除满足特定条件的元素。这个函数接受三个参数：容器的开始迭代器、结束迭代器和一个谓词函数（即一个返回布尔值、决定元素是否应被移除的函数）。在您的代码中，谓词函数是，它检查一个字符是否既不是字母也不是空格。如果字符不是字母也不是空格，谓词返回。
2024-05-06 12:08:34
1830
原创 # bashshell基础命令##
Linux的虚拟目录结构只包含一个叫做 root的目录的基础目录。Linux中安装的第一块硬盘为根驱动器，所有目录都是从那里开始构建的。它是 Bourne Shell 的扩展，具有许多改进，包括更好的用户交互、功能强大的脚本能力和自定义功能。-l命令会产生长列表格式的输出，提供目录中各个文件的详细信息。(注意，Linux系统严格区分大小写，-f和-F是两个不同的命令)可以区分文件和目录。-R选项称作递归选项，能列出当前目录包含的子目录的文件与目录。命令最基本的形式会显示当前目录下的文件和目录。
2024-04-19 13:53:08
1564
1
原创 C++学习
在计算机科学术语中，宏是内联的，因为编译器将“函数”的内容放在调用站点，而不是插入到函数代码的间接跳转。连接：最后，在链接阶段，一个名为链接器的程序将构建最终可执行文件所需的所有目标文件收集在一起，将它们与特定于操作系统的信息捆绑在一起，最后生成一个多文件程序、抽象和可以运行和分发的预处理器可执行文件。但是与vector最大的不同是，在STL实现的储存空间是不连续的大片“page”，而vector的是连续的空间.直接将操作符运算放进while循环的判定条件中，能有效的减少代码的冗余。
2024-03-28 22:08:18
554
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人